基于視頻圖像處理的微觀交通數(shù)據(jù)的獲取

張 瑞，李珣輝，鄒智軍，洪智勇，張 博

（1.同濟(jì)大學(xué)交通運(yùn)輸工程學(xué)院，上海201804；2.新疆交通職業(yè)技術(shù)學(xué)院，新疆 烏魯木齊831401）

0 引言

智能交通系統(tǒng)的發(fā)展使得對(duì)交通數(shù)據(jù)的要求越來(lái)越高，交通數(shù)據(jù)包括宏觀交通數(shù)據(jù)和微觀交通數(shù)據(jù)。常用的宏觀交通數(shù)據(jù)有交通量、交通流密度、平均行程時(shí)間、OD 等，數(shù)據(jù)易采集，對(duì)精度要求不高，且采集理論和技術(shù)已較成熟，市場(chǎng)化程度高。宏觀交通數(shù)據(jù)是一定時(shí)間或空間的聚集，不能反映交通個(gè)體的特征，用宏觀交通數(shù)據(jù)來(lái)研究微觀層面上的交通行為是遠(yuǎn)遠(yuǎn)不夠的。因此，對(duì)微觀交通數(shù)據(jù)的采集和處理技術(shù)的研究變得十分迫切。

微觀交通數(shù)據(jù)的價(jià)值可以體現(xiàn)在以下幾個(gè)方面：

（1）應(yīng)用于交通控制與誘導(dǎo)系統(tǒng)中，很多情況下需要知道車輛的實(shí)時(shí)位置和行駛狀態(tài)，或異常車輛的識(shí)別，而宏觀交通數(shù)據(jù)無(wú)法提供所需信息；

（2）用于駕駛行為理論的研究，如車道變換、超車、跟車、車輛加速、減速、沖突、交織等各種微觀駕駛行為的研究[1]；

（3）用于微觀交通仿真技術(shù)，微觀交通仿真模型的標(biāo)定與校正需要微觀交通數(shù)據(jù)，使仿真模型能更加符合實(shí)際情況。

本文利用視頻數(shù)據(jù)，采用圖像處理技術(shù)，獲取了車輛的行駛軌跡，得到了交通個(gè)體在道路上的實(shí)時(shí)位置信息，進(jìn)一步得到了車速和車頭時(shí)距，并檢驗(yàn)了車速是否近似服從正態(tài)分布。

1 基于視頻的車輛行駛軌跡獲取方法

微觀交通信息是指在一定時(shí)間和空間內(nèi)，能夠完整描述每一輛車的位置屬性和運(yùn)動(dòng)屬性[1]。位置屬性是指車輛在某一時(shí)刻的空間位置，如坐標(biāo)值；運(yùn)動(dòng)屬性是指車輛的瞬時(shí)車速、加減速度等特定時(shí)刻的運(yùn)動(dòng)狀態(tài)。利用視頻數(shù)據(jù)獲取車輛行駛軌跡的步驟如下。

（1）通過(guò)實(shí)地觀測(cè)，獲取交通視頻數(shù)據(jù)。為了準(zhǔn)確測(cè)量車輛在圖像平面中的偏移量，觀測(cè)時(shí)要保證一組數(shù)據(jù)的背景完全相同[2]。

（2）為了獲取車輛在圖像上的位置，將視頻數(shù)據(jù)轉(zhuǎn)換成BMP 格式的圖片。本文利用Corel Videostudio（會(huì)聲會(huì)影）軟件將視頻按幀存儲(chǔ)為圖片格式，每秒有30 幀，即每秒視頻轉(zhuǎn)換成30 張圖片。

（3）按時(shí)間順序依次處理每張圖片，獲取每輛車在圖片上的像坐標(biāo)。本文使用ScanIt軟件獲取車輛的圖像坐標(biāo)，如圖1所示。

圖1 利用ScanIt獲取車輛的圖像坐標(biāo)

（4）將圖像坐標(biāo)轉(zhuǎn)換為實(shí)際坐標(biāo)，坐標(biāo)轉(zhuǎn)換原理如圖2所示。

圖2 坐標(biāo)轉(zhuǎn)換原理圖

由于是不在同一平面上的二維坐標(biāo)系之間的轉(zhuǎn)換，因此可以用齊次坐標(biāo)轉(zhuǎn)換建立圖像坐標(biāo)和實(shí)際坐標(biāo)之間的關(guān)系，如式（1）所示：

將圖像坐標(biāo)（x，y）對(duì)應(yīng)的齊次坐標(biāo)（x，y，1）代入（1）式，得到：

整理得到：

化簡(jiǎn)得：

其中，（x，y）是圖像坐標(biāo)；（x′，y′）是實(shí)際坐標(biāo)；a,b,c,d,e,f,g,h是坐標(biāo)轉(zhuǎn)換待求解參數(shù)。若已知4個(gè)點(diǎn)的圖像坐標(biāo)和實(shí)際坐標(biāo)，就可以標(biāo)定出參數(shù)的值。

2 實(shí)例分析

本文選取烏魯木齊市河灘快速路為研究對(duì)象，實(shí)地拍攝了4min58s 的視頻，共轉(zhuǎn)換為8 940張圖片，經(jīng)處理得到了車輛行駛軌跡、車速和車頭時(shí)距。

2.1 車輛行駛軌跡

選擇車道標(biāo)線的一端（0，0）作為標(biāo)定點(diǎn)A，向右取一個(gè)車道寬度375cm 作為標(biāo)定點(diǎn)B，在A點(diǎn)圖像上方沿標(biāo)線取600cm 作為標(biāo)定點(diǎn)C，C點(diǎn)再向右取一個(gè)車道寬度375cm 作為標(biāo)定點(diǎn)D。選取的4個(gè)標(biāo)定點(diǎn)如圖3所示，標(biāo)定點(diǎn)的圖像坐標(biāo)和實(shí)際坐標(biāo)如表1所示。

圖3 圖像上4個(gè)標(biāo)定點(diǎn)的位置

表1 標(biāo)定點(diǎn)的實(shí)際坐標(biāo)和圖像坐標(biāo)

將上述4 個(gè)點(diǎn)的圖像坐標(biāo)和實(shí)際坐標(biāo)代入式（5）中，計(jì)算出參數(shù)的值分別為a=239.2054，b=-40.9082，c=-643.2538，d=-25.8768，e=363.7396，f=-16.2902，g=0.007，h=-0.2631。依 次 處 理 圖片，獲取每輛車的圖像坐標(biāo)。為減小誤差應(yīng)盡量選取車輛與地面接觸的點(diǎn)，本文選取車輛左前輪與地面接觸的點(diǎn)作為車輛的特定點(diǎn)。將圖像坐標(biāo)代入式（5）就可計(jì)算出其對(duì)應(yīng)的實(shí)際坐標(biāo)。按時(shí)間順序處理圖片并轉(zhuǎn)換坐標(biāo)就得到車輛在一段時(shí)間內(nèi)的行駛軌跡，如圖4所示。

圖4 車輛行駛軌跡圖

為檢驗(yàn)參數(shù)標(biāo)定算法的準(zhǔn)確性，獲取4 個(gè)點(diǎn)E、F、G、H的圖像坐標(biāo)，代入轉(zhuǎn)換方程式（5）中，計(jì)算出在轉(zhuǎn)換系統(tǒng)下的實(shí)際坐標(biāo)，與它們?cè)诘孛嫔系膶?shí)際坐標(biāo)進(jìn)行對(duì)比，檢驗(yàn)坐標(biāo)轉(zhuǎn)換算法的誤差，計(jì)算結(jié)果如表2所示?？梢钥闯稣`差均在3cm之內(nèi)，證明本文采用的坐標(biāo)轉(zhuǎn)換算法是比較精確可靠的。誤差主要是獲取像點(diǎn)坐標(biāo)時(shí)產(chǎn)生的，與拍攝視頻時(shí)的天氣、攝像機(jī)的精度以及獲取圖像坐標(biāo)方法的精度有關(guān)。

表2 坐標(biāo)轉(zhuǎn)換算法誤差分析表

2.2 車速

車速是度量交通設(shè)施服務(wù)功能的一項(xiàng)重要指標(biāo)，它綜合地反映了設(shè)施的功能、質(zhì)量和服務(wù)水平的狀況，其特征對(duì)道路通行能力、交通安全、交通管理控制和道路規(guī)劃設(shè)計(jì)等有著直接的影響[4]。車輛軌跡數(shù)據(jù)反映了車輛的實(shí)時(shí)位置，據(jù)此可以計(jì)算出車輛的瞬時(shí)速度。本文處理了4min58s的視頻數(shù)據(jù)，獲取了177 個(gè)車輛樣本，其中內(nèi)側(cè)車道116輛，外側(cè)車道61 輛，得到內(nèi)外側(cè)車道的車速分布特征如圖5～圖7所示。

圖5 內(nèi)側(cè)車道車速分布直方圖

圖6 外側(cè)車道車速分布直方圖

圖7 內(nèi)外側(cè)車道車速累計(jì)頻率分布曲線

從圖5和圖6可以看出，車速分布的直方圖與正態(tài)分布曲線有較好的相似性，特別是內(nèi)側(cè)車道。車速的正態(tài)Q-Q圖（見(jiàn)圖8、圖9）也顯示出期望值與觀測(cè)值有較好的吻合性（兩端的點(diǎn)除外）。但對(duì)數(shù)據(jù)進(jìn)行正態(tài)擬合后，發(fā)現(xiàn)車速分布并不完全服從正態(tài)分布，而是有一定的偏態(tài)（見(jiàn)表3），表明車速分布呈負(fù)偏態(tài)，曲線比較平坦，車速近似服從正態(tài)分布。

2.3 車頭時(shí)距

圖8 內(nèi)側(cè)車道車速分布正態(tài)擬合Q-Q圖

圖9 外側(cè)車道車速分布正態(tài)擬合Q-Q圖

表3 車速的分布特征值

車頭時(shí)距是微觀交通分析中的一個(gè)重要參數(shù)，它直接反映了交通流狀態(tài)、駕駛員行為特性、路段或交叉口通行能力及服務(wù)水平，是計(jì)算通行能力、優(yōu)化信號(hào)配時(shí)、構(gòu)建車輛跟馳模型的最基本和最常用的參數(shù)[5]。本文利用快速路基本路段的視頻數(shù)據(jù)，把每一輛車通過(guò)某一固定點(diǎn)的時(shí)間記錄下來(lái)，獲得了內(nèi)側(cè)車道上車輛的車頭時(shí)距，樣本量為128，其分布情況見(jiàn)圖10。

圖10 車頭時(shí)距分布實(shí)測(cè)數(shù)據(jù)

3 結(jié)語(yǔ)

微觀交通數(shù)據(jù)是研究交通系統(tǒng)的基礎(chǔ)和依據(jù)，對(duì)于通行能力的分析、智能交通系統(tǒng)的發(fā)展、異常交通狀態(tài)的識(shí)別、微觀交通流特性的研究以及微觀交通仿真技術(shù)的發(fā)展具有重要意義。本文應(yīng)用攝影學(xué)的基本原理，闡述了通過(guò)視頻數(shù)據(jù)獲取車輛行駛軌跡的基本步驟，分析了圖像坐標(biāo)轉(zhuǎn)換成實(shí)際坐標(biāo)的原理，并利用實(shí)測(cè)數(shù)據(jù)提取了車輛的行駛軌跡，為研究微觀交通系統(tǒng)提供了數(shù)據(jù)處理方法。在此基礎(chǔ)上進(jìn)一步得到了車速和車頭時(shí)距，并擬合了車速分布是近似服從正態(tài)分布。該方法的精度與攝像位置、天氣情況、提取圖像坐標(biāo)的準(zhǔn)確度等因素有關(guān)，從本文的分析結(jié)果來(lái)看該方法能對(duì)大部分?jǐn)?shù)據(jù)進(jìn)行有效的處理，精度能滿足要求，但工作量較大，如何提高圖像處理效率同時(shí)保證精度要求還需進(jìn)一步探索。

[1] 張汝華，鄭黎黎，楊曉光，等.基于視頻技術(shù)的微觀交通流信息采集系統(tǒng)研究[J]. 交通與計(jì)算機(jī)，2004，22（6）：33-36.

[2] 劉博航，裴玉龍，徐慧智.基于視頻處理的車道變換軌跡獲取技術(shù)[J]. 哈爾濱理工大學(xué)學(xué)報(bào)，2007，12（3）：7-11.

[3] 金為銑.攝影測(cè)量學(xué)[M].武漢：武漢大學(xué)出版社，2001.

[4] 鐘連德，榮建，周榮貴，等.快速路交通流中車速特性研究[J].公路，2004，（12）：158-162.

[5] 劉明君.基于混合交通流的信號(hào)交叉口機(jī)動(dòng)車車頭時(shí)距研究[D].北京：北京交通大學(xué)，2010.